論文の概要: Ki-Pode: Keypoint-based Implicit Pose Distribution Estimation of Rigid
Objects
- arxiv url: http://arxiv.org/abs/2209.09659v1
- Date: Tue, 20 Sep 2022 11:59:05 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-21 17:24:40.522594
- Title: Ki-Pode: Keypoint-based Implicit Pose Distribution Estimation of Rigid
Objects
- Title（参考訳）: Ki-Pode: キーポイントに基づく剛体物体の暗黙分布推定
- Authors: Thorbj{\o}rn Mosekj{\ae}r Iversen, Rasmus Laurvig Haugaard, Anders
Glent Buch
- Abstract要約: 本稿では,新しいポーズ分布推定法を提案する。
オブジェクトのポーズ上の確率分布の暗黙的な定式化は、キーポイントの集合としてのオブジェクトの中間表現から導かれる。
本手法は,YCB-VおよびT-LESSデータセット上での回転分布推定のタスクに基づいて評価されている。
- 参考スコア（独自算出の注目度）: 1.209625228546081
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The estimation of 6D poses of rigid objects is a fundamental problem in
computer vision. Traditionally pose estimation is concerned with the
determination of a single best estimate. However, a single estimate is unable
to express visual ambiguity, which in many cases is unavoidable due to object
symmetries or occlusion of identifying features. Inability to account for
ambiguities in pose can lead to failure in subsequent methods, which is
unacceptable when the cost of failure is high. Estimates of full pose
distributions are, contrary to single estimates, well suited for expressing
uncertainty on pose. Motivated by this, we propose a novel pose distribution
estimation method. An implicit formulation of the probability distribution over
object pose is derived from an intermediary representation of an object as a
set of keypoints. This ensures that the pose distribution estimates have a high
level of interpretability. Furthermore, our method is based on conservative
approximations, which leads to reliable estimates. The method has been
evaluated on the task of rotation distribution estimation on the YCB-V and
T-LESS datasets and performs reliably on all objects.
- Abstract（参考訳）: 剛体物体の6次元ポーズの推定はコンピュータビジョンの基本的な問題である。
伝統的に、ポーズ推定は単一の最良の見積もりの決定に関係している。
しかし、単一の推定では視覚的なあいまいさを表現できないため、多くの場合、物体の対称性や識別特徴の閉塞のために避けられない。
ポーズのあいまいさを考慮できないと、その後の手法では失敗につながる可能性がある。
完全なポーズ分布の推定は、単一の推定とは対照的に、ポーズの不確実性を表現するのに適している。
そこで本研究では,新しいポーズ分布推定法を提案する。
オブジェクトのポーズ上の確率分布の暗黙的な定式化は、キーポイントの集合としてのオブジェクトの中間表現から導かれる。
これにより、ポーズ分布の推定値が高い解釈可能性を持つことが保証される。
さらに,本手法は,信頼性評価につながる保守的近似に基づく。
本手法は,YCB-VおよびT-LESSデータセット上での回転分布推定のタスクに基づいて評価され,すべてのオブジェクトに対して確実に動作する。
関連論文リスト
- End-to-End Probabilistic Geometry-Guided Regression for 6DoF Object Pose Estimation [5.21401636701889]
最先端の6Dオブジェクトのポーズ推定器は、オブジェクト観察によってオブジェクトのポーズを直接予測する。
最先端アルゴリズムGDRNPPを再構成し,EPRO-GDRを導入する。
提案手法は,1つのポーズではなく1つのポーズ分布を予測することで,最先端の単一ビューのポーズ推定を改善することができることを示す。
論文 参考訳（メタデータ） (2024-09-18T09:11:31Z) - Quantification of Predictive Uncertainty via Inference-Time Sampling [57.749601811982096]
本稿では,データあいまいさの予測不確実性を推定するためのポストホックサンプリング手法を提案する。
この方法は与えられた入力に対して異なる可算出力を生成することができ、予測分布のパラメトリック形式を仮定しない。
論文 参考訳（メタデータ） (2023-08-03T12:43:21Z) - Object Pose Estimation with Statistical Guarantees: Conformal Keypoint
Detection and Geometric Uncertainty Propagation [38.54398084892807]
2段階のオブジェクトポーズ推定は、まず画像上のセマンティックキーポイントを検出し、再投影誤差を最小限にして6Dポーズを推定する。
既存の手法は、推定の不確実性の証明可能な保証を提供しない。
我々は平均ポーズを計算し、最悪のエラー境界を適用するためにRANdom SA averaGing (RANSAG) を開発した。
論文 参考訳（メタデータ） (2023-03-22T00:55:53Z) - SpyroPose: SE(3) Pyramids for Object Pose Distribution Estimation [4.8342038441006805]
本稿では,SE(3)に基づくポーズ分布推定手法を提案する。
階層格子,ピラミッドを用いて,訓練中に効率よく重要度を抽出し,推論時のピラミッドのスパース評価を行う。
提案手法は,SO(3)の最先端手法よりも優れており,その知識を最大限活用するために,SE(3)のポーズ分布推定に関する最初の定量的結果を提供する。
論文 参考訳（メタデータ） (2023-03-09T14:58:01Z) - HandFlow: Quantifying View-Dependent 3D Ambiguity in Two-Hand
Reconstruction with Normalizing Flow [73.7895717883622]
条件付き正規化フローフレームワークにおける可塑性再構成の分布を明示的にモデル化する。
この課題に対して,明示的な曖昧さモデリングが適していることを示す。
論文 参考訳（メタデータ） (2022-10-04T15:42:22Z) - NUQ: Nonparametric Uncertainty Quantification for Deterministic Neural
Networks [151.03112356092575]
本研究では,Nadaraya-Watson の条件付きラベル分布の非パラメトリック推定に基づく分類器の予測の不確かさの測定方法を示す。
種々の実世界の画像データセットにおける不確実性推定タスクにおいて,本手法の強い性能を示す。
論文 参考訳（メタデータ） (2022-02-07T12:30:45Z) - Dense Uncertainty Estimation via an Ensemble-based Conditional Latent
Variable Model [68.34559610536614]
我々は、アレータリック不確実性はデータの固有の特性であり、偏見のないオラクルモデルでのみ正確に推定できると論じる。
そこで本研究では,軌道不確実性推定のためのオラクルモデルを近似するために,列車時の新しいサンプリングと選択戦略を提案する。
以上の結果から,提案手法は精度の高い決定論的結果と確実な不確実性推定の両方を達成できることが示唆された。
論文 参考訳（メタデータ） (2021-11-22T08:54:10Z) - Dense Uncertainty Estimation [62.23555922631451]
本稿では,ニューラルネットワークと不確実性推定手法について検討し,正確な決定論的予測と確実性推定の両方を実現する。
本研究では,アンサンブルに基づく手法と生成モデルに基づく手法の2つの不確実性推定法について検討し,それらの長所と短所を,完全/半端/弱度に制御されたフレームワークを用いて説明する。
論文 参考訳（メタデータ） (2021-10-13T01:23:48Z) - Implicit-PDF: Non-Parametric Representation of Probability Distributions
on the Rotation Manifold [47.31074799708132]
我々はSO(3)上の任意の非パラメトリック分布を推定する手法を提案する。
私たちのキーとなるアイデアは、入力画像と候補ポーズの確率を推定するニューラルネットワークで、分布を暗黙的に表現することです。
我々はPascal3D+とModelNet10-SO(3)ベンチマークの最先端性能を実現する。
論文 参考訳（メタデータ） (2021-06-10T17:57:23Z) - Safe and Effective Picking Paths in Clutter given Discrete Distributions
of Object Poses [16.001980921287704]
1つのアプローチは、オブジェクトのポーズ推定を実行し、最も可能性の高いオブジェクト毎のポーズを使用して、衝突せずにターゲットを選択することである。
本研究は,まず6次元ポーズ推定の知覚過程を提案し,シーン内のオブジェクトポーズの離散分布を返却する。
次に、ロボットアームを選択に移すための安全で効果的なソリューションを返すために、オープンループ計画パイプラインが提案されている。
論文 参考訳（メタデータ） (2020-08-11T00:52:03Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。